bertopic_dcd_auto_final

This is a BERTopic model. BERTopic is a flexible and modular topic modeling framework that allows for the generation of easily interpretable topics from large datasets.

Usage

To use this model, please install BERTopic:

pip install -U bertopic

You can use the model as follows:

from bertopic import BERTopic
topic_model = BERTopic.load("vidric/bertopic_dcd_auto_final")

topic_model.get_topic_info()

Topic overview

• Number of topics: 40
• Number of training documents: 22195

Click here for an overview of all topics.

Topic ID	Topic Keywords	Topic Frequency	Label
-1	wangi - tidak - banget - parfum - hmns	12	-1_wangi_tidak_banget_parfum
0	wangi - mantap - banget - enak - suka	7512	0_wangi_mantap_banget_enak
1	alpha - farhampton - beli - saya - sama	12436	1_alpha_farhampton_beli_saya
2	hari - sampai - kirim - minggu - pesan	903	2_hari_sampai_kirim_minggu
3	order - repeat - kali - kesekian - bakal	177	3_order_repeat_kali_kesekian
4	kalem - nyengat - wangi - enak - banget	118	4_kalem_nyengat_wangi_enak
5	indonesia - bangga - produk - terus - harumkan	70	5_indonesia_bangga_produk_terus
6	kualitas - bagus - produk - barang - baik	63	6_kualitas_bagus_produk_barang
7	selamat - mendarat - dengan - barang - sampai	61	7_selamat_mendarat_dengan_barang
8	respon - cepat - quick - good - jawab	59	8_respon_cepat_quick_good
9	produk - bagus - sangat - penawaran - oke	54	9_produk_bagus_sangat_penawaran
10	pokok - mantap - puas - jon - epic	49	10_pokok_mantap_puas_jon
11	voucher - 50rb - 50k - dapat - 50	44	11_voucher_50rb_50k_dapat
12	hadiah - buat - semoga - dia - cocok	39	12_hadiah_buat_semoga_dia
13	test - tester - mari - kita - coba	35	13_test_tester_mari_kita
14	deskripsi - sesuai - barang - dengan - bagus	34	14_deskripsi_sesuai_barang_dengan
15	worth - it - harga - sepadan - serius	33	15_worth_it_harga_sepadan
16	chat - admin - barang - balas - respon	33	16_chat_admin_barang_balas
17	10ml - 10 - ml - 50ml - beli	32	17_10ml_10_ml_50ml
18	layanan - service - baik - barang - oke	31	18_layanan_service_baik_barang
19	10 - silage - kedepanya - mayanlah - kemasin	30	19_10_silage_kedepanya_mayanlah
20	kartu - card - tulis - greting - ucap	30	20_kartu_card_tulis_greting
21	beli - 4x - bintang - kedua - pemesanan	28	21_beli_4x_bintang_kedua
22	bicara - bintang - biar - nyang - limo	28	22_bicara_bintang_biar_nyang
23	unik - istimewa - exceptional - addicted - cerita	25	23_unik_istimewa_exceptional_addicted
24	buka - kotak - box - belum - unboxing	25	24_buka_kotak_box_belum
25	akhirnya - bagi - dapat - juara - finaly	21	25_akhirnya_bagi_dapat_juara
26	starterpacking - semakin - gara - bantu - merosot	20	26_starterpacking_semakin_gara_bantu
27	review - orang - saja - zodiak - mag	19	27_review_orang_saja_zodiak
28	ketiga - kali - memuaskan - beli - selalu	18	28_ketiga_kali_memuaskan_beli
29	layanan - langsung - baru - cepat - service	17	29_layanan_langsung_baru_cepat
30	admin - ramah - tersampaikan - mantap - layanan	17	30_admin_ramah_tersampaikan_mantap
31	layanan - produk - bagus - service - terbaik	17	31_layanan_produk_bagus_service
32	notes - note - midlle - base - mbak	16	32_notes_note_midlle_base
33	bangga - lokal - pride - maszeh - kualitas	16	33_bangga_lokal_pride_maszeh
34	bintang - harum - kasih - lima - hmns	16	34_bintang_harum_kasih_lima
35	botol - kedua - tiga - sihir - ketiga	15	35_botol_kedua_tiga_sihir
36	10 - voucher - hari - november - tanggal	15	36_10_voucher_hari_november
37	delta - team - deltanya - theta - senjata	14	37_delta_team_deltanya_theta
38	travel - praktis - kecil - ukuran - tepa	13	38_travel_praktis_kecil_ukuran

Training hyperparameters

• calculate_probabilities: True
• language: None
• low_memory: False
• min_topic_size: 10
• n_gram_range: (1, 1)
• nr_topics: auto
• seed_topic_list: None
• top_n_words: 10
• verbose: False

Framework versions

• Numpy: 1.24.3
• HDBSCAN: 0.8.29
• UMAP: 0.5.3
• Pandas: 2.0.1
• Scikit-Learn: 1.2.2
• Sentence-transformers: 2.2.2
• Transformers: 4.29.2
• Numba: 0.57.0
• Plotly: 5.14.1
• Python: 3.10.10